Cartes de l’étendue des terres cultivées en Afrique¶
Date modified: March 2022
Aperçu du service¶
Contexte¶
La nécessité de garantir les sources de nourriture nécessaires pour subvenir aux besoins de leurs populations est une préoccupation centrale des instances dirigeantes en Afrique. Il a été estimé que la production actuelle de cultures devra doubler d’ici 2050 pour répondre aux besoins futurs en matière de production alimentaire. Les produits de plus haut niveau basés sur les cultures qui peuvent aider à gérer l’insécurité alimentaire, tels que les intensités d’arrosage des cultures, les types de cultures ou la productivité des cultures, nécessitent comme point de départ des cartes précises et exactes de l’étendue des terres cultivées indiquant où elles se trouvent. Les cartes actuelles de l’étendue des terres cultivées sont inexactes, ont une résolution spatiale grossière ou ne sont pas mises à jour régulièrement. Une carte précise, à haute résolution et régulièrement mise à jour de l’étendue des terres cultivées pour le continent africain est donc reconnue comme une lacune dans les services actuels de surveillance des cultures.
A Jupyter Notebook which demonstrates loading and using cropland extent datasets in the Sandbox is also available.
Description¶
Digital Earth Africa’s cropland extent map for Africa shows the estimated location of croplands in the following countries for the period January to December 2019:
crop_mask
: Entire African continentcrop_mask_eastern
: Tanzanie, Kenya, Ouganda, Éthiopie, Rwanda et Burundi.crop_mask_western
: Nigeria, Benin, Togo, Ghana, Cote d’Ivoire, Liberia, Sierra Leone, Guinea, and Guinea-Bissaucrop_mask_northern
: Maroc, Algérie, Tunisie, Libye, et Egyptecrop_mask_sahel
: Mauritanie, Sénégal, Gambie, Mali, Burkina Faso, Niger, Tchad, Soudan, Sud-Soudan, Somalie et Djibouti.crop_mask_southern
: Afrique du Sud, Namibie, Botswana, Lesotho et Eswanti.crop_mask_southeast
: Zimbabwe, Zambia, Mozambique, and Malawicrop_mask_central
: Angola, Democratic Republic of the Congo, Congo, Gabon, Cameroon, Equatorial Guinea, and Central African Republiccrop_mask_indian_ocean
: Madagascar, Mauritius, Reunion, and Comoros
Les terres cultivées sont définies comme :
"a piece of land of minimum 0.01 ha (a single 10m x 10m pixel) that is sowed/planted and
harvestable at least once within the 12 months after the sowing/planting date."
Cette définition exclut les pâturages non plantés et les cultures pérennes, que l’imagerie satellitaire peut difficilement différencier de la végétation naturelle.
The provisional cropland extent maps have a resolution of 10 metres, and were built using Copernicus Sentinel-2 satellite images from 2019. The cropland extent maps were built seperately using extensive training data from Eastern, Western, Northern, and Sahel Africa, coupled with a Random Forest machine learning model. A detailed exploration of the methods used to produce the cropland extent map can be found in the Jupyter Notebooks in DE Africa’s crop-mask GitHub repository.
Les ensembles de données de validation indépendants suggèrent les précisions suivantes :
The Eastern Africa crop mask has an overall accuracy of 90.3 %, and an f-score of 0.85
The Western Africa crop mask has an overall accuracy of 83.6 %, and an f-score of 0.75
The Northern Africa crop mask has an overall accuracy of 94.0 %, and an f-score of 0.91
The Sahel Africa crop mask has an overall accuracy of 87.9 %, and an f-score of 0.78
The Southern Africa crop mask has an overall accuracy of 86.4 %, and an f-score of 0.75
The Southeast Africa crop mask has an overall accuracy of 87.3 %, and an f-score of 0.83
The Central Africa crop mask has an overall accuracy of 88.3 %, and an f-score of 0.82
The Indian Ocean Africa crop mask has an overall accuracy of 90.7 %, and an f-score of 0.84
The algorithms for most regions tend to report more omission errors (labelling actual crops as non-crops) than commission errors (labelling non-crops as crops). Where commission errors occur, they tend to be focussed around wetlands and seasonal grasslands which spectrally resemble some kinds of cropping.
Les produits contiennent trois mesures :
mask
: Cette bande affiche les régions cultivées sous forme de carte binaire. Les valeurs de1
indiquent la présence de cultures, tandis qu’une valeur de0
indique l’absence de cultures. Cette bande est une carte d’étendue des terres cultivées basée sur les pixels, ce qui signifie que la carte affiche la sortie brute de la classification Random Forest basée sur les pixels.prob
: This band displays the prediction probabilities for the “crop” class. As this service uses a random forest classifier, the prediction probabilities refer to the percentage of trees that voted for the random forest classification. For example, if the model had 200 decision trees in the random forest, and 150 of the trees voted “crop”, the prediction probability is 150 / 200 x 100 = 75 %. Thresholding this band at > 50 % will produce a map identical tomask
.filtered
: This band displays cropped regions as a binary map. Values of1
indicate the presence of crops, while a value of0
indicates the absence of cropping. This band is an object-based cropland extent map where themask
band has been filtered using an image segmentation algorithm (see this paper for details on the algorithm used). During this process, segments smaller than 1 Ha (100 10m x 10m pixels) are merged with neighbouring segments, resulting in a map where the smallest classified region is 1 Ha in size. Thefiltered
dataset is provided as a complement to themask
band; small commission errors are removed by object-based filtering, and the “salt and pepper” effect typical of classifying pixels is diminished.
Spécifications¶
Tableau 1 : Spécifications de l’étendue des terres cultivées
Spécifications |
|
---|---|
Noms des produits |
|
Taille de la cellule - X (mètres) |
10 |
Taille de la cellule - Y (mètres) |
10 |
Système de référence des coordonnées |
EPSG : 6933 |
Résolution temporelle |
Annuel |
Plage temporelle |
2019 |
Ensemble de données parent |
GeoMAD semestriel de Sentinel-2 |
Fréquence de mise à jour |
TBD |
Tableau 2 : Mesures de l’étendue des terres cultivées
ID de la bande |
Description |
Plage de valeurs |
Type de données |
Valeur NoData/Fill |
---|---|---|---|---|
masque |
étendue de la culture (pixel) |
|
|
|
Probablement |
probabilité de récolte (pixel) |
|
|
|
filtré |
étendue de la culture (basée sur l’objet) |
|
|
|
Figure 1: The dataset coverage for the provisional cropland extent maps; a) Northern Africa, b) Sahel Africa, c) Western Africa, d) Eastern Africa, e) Southeast Africa, f) Southern Africa, g) Central Africa, h) Indian Ocean
Médias et exemples d’images¶
Image 1 : Exemple d’étendue des terres cultivées en Afrique de l’Est près d’Addis Abeba, en Ethiopie.
1.1: Étendue des terres cultivées (pixel) pour toute la région de l’Afrique de l’Est
1.2: Image en couleur véritable
1.3: Étendue des terres cultivées (filtré par objet)
1.4: Étendue des terres cultivées (pixel)
1,5: Probabilité de culture ; les régions violettes à roses indiquent une faible probabilité, les régions jaunes oranges une forte probabilité.
Accès aux données¶
Amazon Web Services S3¶
Le service d’étendue des terres cultivées est disponible dans AWS S3 grâce au programme de données publiques.
Détails sur AWS S3 |
|
---|---|
Seau ARN |
|
Noms des produits |
|
Le seau est situé dans la région af-south-1
(Cape Town)
La convention suivante relative au chemin d’accès au fichier s’applique au masque de recadrage :
s3://deafrica-services/crop_mask/1-0-0/<path>/<row>/<year>/
s3://deafrica-services/crop_mask_eastern/1-0-0/<path>/<row>/<year>/
s3://deafrica-services/crop_mask_western/1-0-0/<path>/<row>/<year>/
s3://deafrica-services/crop_mask_northern/1-0-0/<path>/<row>/<year>/
s3://deafrica-services/crop_mask_sahel/1-0-0/<path>/<row>/<year>/
s3://deafrica-services/crop_mask_southern/1-0-0/<path>/<row>/<year>/
s3://deafrica-services/crop_mask_southeast/1-0-0/<path>/<row>/<year>/
s3://deafrica-services/crop_mask_central/1-0-0/<path>/<row>/<year>/
s3://deafrica-services/crop_mask_indian_ocean/1-0-0/<path>/<row>/<year>/
Open Data Cube (ODC)¶
Les ensembles de données sur l’étendue des terres cultivées sont accessibles par l’intermédiaire de l’API ODC de Digital Earth Africa, qui est disponible dans le Digital Earth Africa Sandbox.
ODC product names: crop_mask
, crop_mask_eastern
, crop_mask_western
, crop_mask_northern
, crop_mask_sahel
, crop_mask_southern
, crop_mask_southeast
, crop_mask_central
, crop_mask_indian_ocean
Pour des exemples sur la façon d’utiliser l’API ODC, voir le dépôt DE Africa example notebook.
Services Web de l’OGC (OWS)¶
This service is available through DE Africa’s OWS.
Tableau 3 : Détails de l’accès aux données OWS.
Détails de l’OWS |
|
---|---|
Nom |
DE Africa Services |
URL des services cartographiques Web (WMS) |
|
URL du service de couverture Web (WCS) |
|
Noms des couches |
|
Les détails de Digital Earth Africa OWS peuvent être trouvés sur https://ows.digitalearth.africa/.
Pour obtenir des instructions sur la manière de se connecter à OWS, consultez ce tutoriel.
Informations techniques¶
Algorithme¶
Figure 2 : L’algorithme utilisé pour générer la carte de l’étendue des terres cultivées pour chaque région d’Afrique.
Données de formation et de validation¶
Les données de référence pour la carte d’étendue des terres cultivées continentales seront officiellement publiées lorsque les autres cartes d’étendue des terres cultivées seront produites. Pour l’instant, les données de formation et de validation peuvent être téléchargées directement sur github :
Données de formation:
Les données de formation sur l’étendue des terres cultivées de l’Est se trouvent ici.
Les données de formation sur l’étendue des terres cultivées de l’Ouest sont ici <https://github.com/digitalearthafrica/crop-mask/blob/main/testing/western_cropmask/data/Western_training_data_20210609.geojson>`__.
Les données de formation sur l’étendue des terres cultivées dans le Nord sont disponibles ici <https://github.com/digitalearthafrica/crop-mask/blob/main/testing/northern_cropmask/data/northern_training_data_20210803.geojson>`__.
Les données d’entraînement de l’étendue des terres cultivées du Sahel sont ici.
Les données de formation sur l’étendue des terres cultivées du Sud sont disponibles ici <https://github.com/digitalearthafrica/crop-mask/blob/main/testing/southern_cropmask/data/Southern_training_data_20211108.geojson>`__.
Southeast cropland extent training data is here.
Central cropland extent training data is here.
Indian Ocean cropland extent training data is here
Données de validation:
Les données de validation pour l’Afrique de l’Est sont situées ici sous forme de shapefile et sont appelées
validation_samples.shp
.Les données de validation pour l’Afrique de l’Ouest sont situées ici en tant que shapefile et sont appelées
validation_samples.shp
.Les données de validation pour l’Afrique du Nord sont situées ici en tant que shapefile et sont appelées
validation_samples.shp
.Les données de validation pour l’Afrique du Sahel sont situées ici sous forme de shapefile et sont appelées
validation_samples.shp
.Les données de validation pour l’Afrique du Sud sont situées ici sous forme de shapefile et sont appelées
validation_samples.shp
.Validation data for Southeast Africa is located here as a shapefile and is called
validation_samples.shp
.Validation data for Central Africa is located here as a shapefile and is called
validation_samples.shp
.Validation data for Indian Ocean Africa is located here as a shapefile and is called
validation_samples.shp
.
Méthode de validation¶
Les échantillons de référence, utilisés pour créer et valider les cartes d’étendue des terres cultivées, ont été produits dans le cadre du projet plus large d’étendue des terres cultivées à l’échelle continentale pour l’Afrique, dirigé par l’équipe d’établissement de Digital Earth Africa. Les polygones ont été étiquetés par le réseau distribué de partenaires de mise en œuvre de DE Africa dans le cadre de l’équipe de validation de DE Africa. Ces partenaires comprennent RCMRD, OSS, AfriGIST, AGRHYMET, NADMO et DE Africa.
L’ensemble de données de référence a été créé en utilisant un plan d’échantillonnage stratifié. Les échantillons ont été stratifiés à deux niveaux. Premièrement, les échantillons ont été stratifiés par zones agro-écologiques (ZAE) simplifiées. Ensuite, au sein de chaque ZEA, les échantillons ont été stratifiés par une carte préexistante de haute qualité de l’étendue des terres cultivées, à savoir le produit Global Food Security-Support Analysis Data (GFSAD) à 30m. Le produit GFSAD a été reprojeté dans des cellules de 60 x 60m en utilisant “mode” comme statistique d’agrégation. Ceci a permis d’augmenter la probabilité que les échantillons se situent dans des régions homogènes de culture/non-culture. Pour chaque AEZ, 2 000 polygones de 40 x 40 mètres ont été générés de manière aléatoire, les polygones étant répartis de manière égale entre les étiquettes de cultures et de non-cultures du produit GFSAD reprojeté.
Les polygones de l’échantillon pour chaque AEZ ont été évalués à l’aide de l’outil Collect Earth Online (CEO) développé par NASA SERVIR. Les analystes ont utilisé l’interprétation des images pour classer chaque polygone comme » cultivé « , » non cultivé « , » mixte » ou » incertain » ; où les étiquettes » cultivé » et » non cultivé » n’ont été sélectionnées que si la région de l’échantillon est cultivée ou non cultivée de manière homogène. Des mosaïques mensuelles Sentinel-2, une série chronologique NDVI sur deux ans (2018-06 à 2020-06) et des cartes de base Bing « Aerial » étaient disponibles pour faciliter l’interprétation des images.
In total, around >25,000 training samples, and ~1,800 validation samples were collected as shown in Figure 3 below.
Figure 3 : Lieux de référence pour les cartes de l’étendue des terres cultivées.
Gauche: Emplacements des échantillons de validation de la carte, Droite: Emplacements des échantillons d’entraînement
The accuracy of the method for collecting reference samples described above was independently evaluated by Radiant Earth. Radiant Earth’s team developed a visualisation app to validate a random subset of the labels collected using the CEO tool. The app retrieves Airbus SPOT imagery over the area of interest in four 6-month windows (covering the two-year of the training data specification). For each AEZ, the app would sequentially retrieve the images for each individual polygon, visualize all the available imagery and overlay the polygon on top of it. A member of Radiant’s team would then interpret the class (Crop, No-Crop, Mixed) based on the guideline and examples provided by Digital Earth Africa, and record that in the app. After validating all polygons, a new GeoJSON file would be generated with the additional property for validation labels. The results of this independent validation of DE Africa’s reference samples are shown in Table 4. The overall accuracy is 96.3 %, indicating that the reference samples are of a high quality and fit-for-purpose.
Tableau 4 : Validation des échantillons de données de référence.
Résultats de la validation¶
The cropland extent map for Eastern Africa was validated using an isolated set of 300 samples (100 crop, 200 non-crop). The results are shown as a confusion matrix in Table 5. The overall accuracy is 90.3%. The producer’s accuracy for the crop class is 81 % (omission error of 19 %), and the user’s accuracy is 89 % (commission error of 11 %).
Tableau 5 : Résultats de la validation de la carte de l’étendue des terres cultivées en Afrique de l’Est.
The cropland extent map for Western Africa was validated using an isolated set of 298 samples (97 crop, 201 non-crop). The results are shown as a confusion matrix in Table 6. The overall accuracy is 83.6 %. The producer’s accuracy for the crop class is 74.2 % (omission error of 25.8 %), and the user’s accuracy is 75.0 % (commission error of 25.0 %).
Tableau 6 : Résultats de la validation de la carte de l’étendue des terres cultivées en Afrique occidentale.
The cropland extent map for Northern Africa was validated using an isolated set of 300 samples (100 crop, 200 non-crop). The results are shown as a confusion matrix in Table 7. The overall accuracy is 94.0 %. The producer’s accuracy for the crop class is 90.0 % (omission error of 10.0 %), and the user’s accuracy is 91.8 % (commission error of 8.2 %).
Tableau 7 : Résultats de la validation de la carte de l’étendue des terres cultivées en Afrique du Nord.
The cropland extent map for Sahel Africa was validated using an isolated set of 288 samples (88 crop, 200 non-crop). The results are shown as a confusion matrix in Table 8. The overall accuracy is 87.9 %. The producer’s accuracy for the crop class is 70.5 % (omission error of 29.5 %), and the user’s accuracy is 87.3 % (commission error of 12.7 %).
Tableau 8 : Résultats de la validation de la carte de l’étendue des terres cultivées en Afrique du Sahel.
The cropland extent map for Southern Africa was validated using an isolated set of 166 samples (49 crop, 113 non-crop). The results are shown as a confusion matrix in Table 9. The overall accuracy is 86.4 %. The producer’s accuracy for the crop class is 67.4 % (omission error of 32.6 %), and the user’s accuracy is 84.6 % (commission error of 15.4 %).
Tableau 9 : Résultats de la validation de la carte de l’étendue des terres cultivées en Afrique du Sud.
The cropland extent map for Southeast Africa was validated using an isolated set of 134 samples (47 crop, 87 non-crop). The results are shown as a confusion matrix in Table 10. The overall accuracy is 87.3 %. The producer’s accuracy for the crop class is 89.4 % (omission error of 10.6 %), and the user’s accuracy is 77.8 % (commission error of 22.2 %).
Table 10: Validation results for the Southeast Africa cropland extent map
The cropland extent map for Central Africa was validated using an isolated set of 145 samples (45 crop, 100 non-crop). The results are shown as a confusion matrix in Table 11. The overall accuracy is 88.3 %. The producer’s accuracy for the crop class is 84.4 % (omission error of 15.6 %), and the user’s accuracy is 79.2 % (commission error of 20.8 %).
Table 11: Validation results for the Central Africa cropland extent map
The cropland extent map for Indian Ocean Africa was validated using an isolated set of 150 samples (50 crop, 100 non-crop). The results are shown as a confusion matrix in Table 12. The overall accuracy is 90.7 %. The producer’s accuracy for the crop class is 76.0 % (omission error of 24.0 %), and the user’s accuracy is 95.0 % (commission error of 5.0 %).
Table 12: Validation results for the Indian Ocean Africa cropland extent map